EduScore: Correção Automática de Cartões-Resposta por Deep Learning e Visão Computacional
Resumo
A correção manual de simulados para vestibulares como o ENEM é demorada e sujeita a erros, comprometendo o feedback aos alunos. Este artigo apresenta o EduScore, uma plataforma que automatiza o reconhecimento e a correção de cartões-resposta físicos a partir de imagens capturadas por smartphone. Em estágio inicial de desenvolvimento, o sistema já integra um pipeline de detecção baseado em YOLO e SAM2. Resultados preliminares indicam alta precisão na localização das regiões de interesse (mAP@50 de 91% em testes reais), como próximos passos, planeja-se a validação completa do módulo OMR, a expansão do dataset e testes com usuários em ambiente real.
Palavras-chave:
Visão Computacional, Correção Automática de Provas, Reconhecimento Óptico de Marcações
Referências
Abreu, F. M. d., Chagas, M. J. M. d., Silva, P. A. M. d., Conte, H. N. M. d. S., and Conte, T. N. M. d. S. (2025). Detector de gabaritos utilizando Roboflow e Google Colab. Contribuciones a las Ciencias Sociales, 18(7):e19594.
Bernardino, R., Lins, R. D., and Barboza, R. d. S. (2023). A quality, size and time assessment of the binarization of documents photographed by smartphones. Journal of Imaging, 9(2):41.
Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3):319–340.
Fileno, G. C., Barbosa, K. E. B., Silva, R. A. G. d., Ferreira, H. L. E., and Marques, J. (2025). Sistema automatizado de provas de múltipla escolha com embaralhamento inteligente de gabaritos. In Anais do VI Workshop sobre as Implicações da Computação na Sociedade (WICS), pages 330–335. SBC.
Garrett, J. J. (2010). The Elements of User Experience: User-Centered Design for the Web and Beyond. New Riders, 2nd edition.
Hastie, T., Tibshirani, R., and Friedman, J. (2009). The Elements of Statistical Learning. Springer.
ISTOÉ (2020). Presidente do inep diz que "erro de associação" causou problemas na correção de provas do Enem. Acessado em: 28 maio 2026.
Junior, I. A. S. (2014). Estudo da viabilidade do uso de um OCR na placa BeagleBoard e sua integração no xlupa embarcado. Monografia de Bacharelado. Orientador: Prof. Marcio Seiji Oyamada.
Krizhevsky, A., Sutskever, I., and Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. In Proceedings of the 25th International Conference on Neural Information Processing Systems, pages 1097–1105. Curran Associates Inc.
Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 140:1–55.
Mondal, S., De, P., Malakar, S., et al. (2024). OMRNet: a lightweight deep learning model for optical mark recognition. Multimedia Tools and Applications, 83:14011–14045.
Oliveira, A. P. d. and Silva, G. S. V. d. (2024). Avalia: sistema de correção automatizada de atividades escolares utilizando reconhecimento óptico de caracteres e inteligência artificial. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação). Orientadora: Simone das Graças Domingues Prado; Coorientador: José Remo Ferreira Brega.
Oliveira, E., Bindá, J., Lopes, R., and Valle, E. (2020). Paperclickers: Affordable solution for classroom response systems. Computer Applications in Engineering Education, 28:1520–1535.
Rajagopal, R. D. and Saha, B. (2024). Optical mark recognition (OMR) automated grading using OpenCV. In AIP Conference Proceedings, volume 3075, page 020200.
Rangel, H. (2021). Desenvolvimento de um sistema automático de correção de folhas de respostas de provas objetivas. Trabalho de Conclusão de Curso (Graduação), 87 f.
Ravi, N., Gabeur, V., Hu, Y.-T., Hu, R., Ryali, C., Ma, T., Khedr, H., Rädle, R., Rolland, C., Gustafson, L., Mintun, E., Pan, J., Alwala, K. V., Carion, N., Wu, C.-Y., Girshick, R., Dollár, P., and Feichtenhofer, C. (2024). SAM 2: Segment anything in images and videos. arXiv preprint arXiv:2408.00714.
Redmon, J., Divvala, S., Girshick, R., and Farhadi, A. (2016). You only look once: Unified, real-time object detection. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pages 779–788.
Smith, R. (2007). An overview of the tesseract OCR engine. Proceedings of the International Conference on Document Analysis and Recognition (ICDAR), pages 629–633.
Stone, M. (1974). Cross-validatory choice and assessment of statistical predictions. Journal of the Royal Statistical Society: Series B, 36(2):111–147.
Szeliski, R. (2010). Computer Vision: Algorithms and Applications. Springer.
UOL Educação (2020). Weintraub: erro na correção do Enem 2019 afetou cerca de 6 mil candidatos. Acessado em: 28 maio 2026.
Wang, W., Zheng, V. W., Yu, H., and Miao, C. (2019). A survey of zero-shot learning: Settings, methods, and applications. ACM Transactions on Intelligent Systems and Technology, 10(2):1–37.
Wigington, C. (2024). Handheld video document scanning: A robust on-device model for multi-page document scanning. arXiv preprint arXiv:2411.00576.
Bernardino, R., Lins, R. D., and Barboza, R. d. S. (2023). A quality, size and time assessment of the binarization of documents photographed by smartphones. Journal of Imaging, 9(2):41.
Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3):319–340.
Fileno, G. C., Barbosa, K. E. B., Silva, R. A. G. d., Ferreira, H. L. E., and Marques, J. (2025). Sistema automatizado de provas de múltipla escolha com embaralhamento inteligente de gabaritos. In Anais do VI Workshop sobre as Implicações da Computação na Sociedade (WICS), pages 330–335. SBC.
Garrett, J. J. (2010). The Elements of User Experience: User-Centered Design for the Web and Beyond. New Riders, 2nd edition.
Hastie, T., Tibshirani, R., and Friedman, J. (2009). The Elements of Statistical Learning. Springer.
ISTOÉ (2020). Presidente do inep diz que "erro de associação" causou problemas na correção de provas do Enem. Acessado em: 28 maio 2026.
Junior, I. A. S. (2014). Estudo da viabilidade do uso de um OCR na placa BeagleBoard e sua integração no xlupa embarcado. Monografia de Bacharelado. Orientador: Prof. Marcio Seiji Oyamada.
Krizhevsky, A., Sutskever, I., and Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. In Proceedings of the 25th International Conference on Neural Information Processing Systems, pages 1097–1105. Curran Associates Inc.
Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 140:1–55.
Mondal, S., De, P., Malakar, S., et al. (2024). OMRNet: a lightweight deep learning model for optical mark recognition. Multimedia Tools and Applications, 83:14011–14045.
Oliveira, A. P. d. and Silva, G. S. V. d. (2024). Avalia: sistema de correção automatizada de atividades escolares utilizando reconhecimento óptico de caracteres e inteligência artificial. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação). Orientadora: Simone das Graças Domingues Prado; Coorientador: José Remo Ferreira Brega.
Oliveira, E., Bindá, J., Lopes, R., and Valle, E. (2020). Paperclickers: Affordable solution for classroom response systems. Computer Applications in Engineering Education, 28:1520–1535.
Rajagopal, R. D. and Saha, B. (2024). Optical mark recognition (OMR) automated grading using OpenCV. In AIP Conference Proceedings, volume 3075, page 020200.
Rangel, H. (2021). Desenvolvimento de um sistema automático de correção de folhas de respostas de provas objetivas. Trabalho de Conclusão de Curso (Graduação), 87 f.
Ravi, N., Gabeur, V., Hu, Y.-T., Hu, R., Ryali, C., Ma, T., Khedr, H., Rädle, R., Rolland, C., Gustafson, L., Mintun, E., Pan, J., Alwala, K. V., Carion, N., Wu, C.-Y., Girshick, R., Dollár, P., and Feichtenhofer, C. (2024). SAM 2: Segment anything in images and videos. arXiv preprint arXiv:2408.00714.
Redmon, J., Divvala, S., Girshick, R., and Farhadi, A. (2016). You only look once: Unified, real-time object detection. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pages 779–788.
Smith, R. (2007). An overview of the tesseract OCR engine. Proceedings of the International Conference on Document Analysis and Recognition (ICDAR), pages 629–633.
Stone, M. (1974). Cross-validatory choice and assessment of statistical predictions. Journal of the Royal Statistical Society: Series B, 36(2):111–147.
Szeliski, R. (2010). Computer Vision: Algorithms and Applications. Springer.
UOL Educação (2020). Weintraub: erro na correção do Enem 2019 afetou cerca de 6 mil candidatos. Acessado em: 28 maio 2026.
Wang, W., Zheng, V. W., Yu, H., and Miao, C. (2019). A survey of zero-shot learning: Settings, methods, and applications. ACM Transactions on Intelligent Systems and Technology, 10(2):1–37.
Wigington, C. (2024). Handheld video document scanning: A robust on-device model for multi-page document scanning. arXiv preprint arXiv:2411.00576.
Publicado
05/10/2026
Como Citar
PINHEIRO, Matheus dos Anjos; VIANA JUNIOR, Osvaldo Tavares.
EduScore: Correção Automática de Cartões-Resposta por Deep Learning e Visão Computacional. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 37. , 2026, Goiânia/GO.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 2527-2536.
DOI: https://doi.org/10.5753/sbie.2026.27046.
